ComfyUI：节点式 AI 图像生成工作流，从入门到进阶

为什么 AI 画师都在从 WebUI 转向 ComfyUI？

用过 Stable Diffusion WebUI 的人都知道那种挫败感：想给 ControlNet 的输出再连一个 T2I-Adapter，但界面里根本没有那个选项——因为 UI 是写死的。ComfyUI 彻底改变了这件事：整个生成流程被拆分为可拖拽连接的节点，任何想改的细节都能直接动。

GitHub 数据

核心玩法：可视化图管线

ComfyUI 将每一步图像处理抽象为节点（Node），节点之间通过连线传递张量数据。一个典型的文生图工作流包含：

• CheckpointLoader — 加载大模型
• CLIPTextEncode — 编码提示词
• KSampler — 采样器（核心扩散步骤）
• VAEDecode — 解码隐空间为像素图
• SaveImage — 输出结果

每个节点的输出可以分叉到多个后续节点——这意味着一次采样，多组参数对比成为原生能力，不再需要手动截图比对。

为什么说它比 WebUI 更强大？

任意模型组合

ComfyUI 没有"主模型"的概念。你可以把多个 Checkpoint 的 Encoder/Decoder 交叉组合，或者让不同模型处理图像的不同区域——这在 WebUI 里做不到。

完全可控的管线

在 ComfyUI 中，你可以精确控制：

• 噪种生成器的种子顺序
• VAE 在哪一步介入
• ControlNet 权重随采样步数动态变化
• 多个 LoRA 的精确叠加顺序

一键分享工作流

ComfyUI 的工作流直接嵌入生成的图片元数据中。别人把图片拖进你的 ComfyUI，整个管线自动重建——参数、模型、连线，全部还原。这个功能彻底改变了社区的知识分享方式。

快速上手

# 安装
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt

# 启动
python main.py --auto-launch

# 浏览器访问 http://127.0.0.1:8188

技术架构亮点

ComfyUI 的底层是一个有向无环图（DAG）执行引擎。加载工作流时，引擎拓扑排序所有节点，然后分层执行——每层内的节点可以被并行调度到 GPU。配合--highvram 模式，能将模型常驻显存，避免反复加载，显著提升批量生成速度。

社区生态也很丰富：7000+ 自定义节点覆盖了视频生成（AnimateDiff）、3D（Stable Zero123）、超分（Ultimate SD Upscale）等几乎所有扩展方向。

同类对比

总结

ComfyUI 用节点图 + 执行引擎的设计，把一个原本"黑箱"的图像生成过程变成了完全可视化、可编程的生产流水线。推荐给：AI 画师、模型微调者、想深入了解扩散模型原理的开发者。